中文词频统计

下载一长篇中文文章。

从文件读取待分析文本。

news = open('gzccnews.txt','r',encoding = 'utf-8')

安装与使用jieba进行中文分词。

pip install jieba

import jieba

list(jieba.lcut(news))

生成词频统计

排序

排除语法型词汇，代词、冠词、连词

输出词频最大TOP20

 

import jieba
f=open('sanwen.txt','r')
text=f.read()
wordlist=list(jieba.lcut(text))

Words={}
for i in set(wordlist):
    Words[i]=wordlist.count(i)

delete_word={'中国的', '是','，','。','：','“','”','的','啊','在','了',
           '去','与','不','、','也','又','就', '和'}

for i in delete_word:
    if i in Words:
        del Words[i]

sort_word = sorted(Words.items(), key= lambda d:d[1], reverse = True)
for i in range(10):
    print(sort_word[i])

 

运行截图：